一種微弱信號去噪方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及信號處理技術(shù)領(lǐng)域，特別是指一種微弱信號去噪方法及裝置。
【背景技術(shù)】
[0002] 目前，實(shí)現(xiàn)經(jīng)驗(yàn)?zāi)B(tài)分解化mpirical Mode Decomposition,EMD)去噪的最普遍的 方法是將含噪信號進(jìn)行EMD分解后，對形成的一系列本征模態(tài)作詳細(xì)特征分析，包括能量角 度、相似性判斷角度、均方誤差角度和自相關(guān)系數(shù)角度等考慮不同模態(tài)和原始含噪信號的 差別，然后利用運(yùn)些差別實(shí)現(xiàn)信號和背景噪聲的初步分離。
[0003] 基于EMD去噪研究的核屯、問題之一是模態(tài)選擇。模態(tài)選擇是指在經(jīng)由EMD分解得到 的一系列本征模態(tài)函數(shù)中，包括有噪聲主導(dǎo)模態(tài)和信號主導(dǎo)模態(tài)，有效的區(qū)分運(yùn)兩種模態(tài) 是之后信號處理的第一步。模態(tài)選擇問題中最重要的是分界模態(tài)的判斷，分界模態(tài)是可W 有效的代表信號主導(dǎo)模態(tài)的第一個(gè)模態(tài)。分界模態(tài)的判斷從最初由Flamlrin提出的連續(xù)均 方誤差（Continuous Mean Square E；;r;ro;r，CMSE)判斷準(zhǔn)則開始，近年來發(fā)展出許多構(gòu)思在 不同信號特征量上的判斷方法。運(yùn)些判斷方法在不同的輸入信噪比范圍內(nèi)有各自的優(yōu)異性 能表現(xiàn)，其中引人注意的是幾何距離在模態(tài)判斷中的使用。
[0004] Ali Komaty,Abdel Boudraa和Delphine Dare在2012IE趾 International Symposium on Signal Processing and Information Technology中提出一種基于豪其i?多 夫距離化ausdcxrff Dis化nee)的模態(tài)選擇方法。該方法原理如下：首先通過EMD分解得到各 個(gè)本征模態(tài)函數(shù)(Intrinsic Mode化nctionJMF)，然后計(jì)算每個(gè)模態(tài)的概率密度函數(shù)，并 作出相應(yīng)的概率密度曲線。算法將概率密度曲線作為一種幾何形狀加 W考量，基于豪斯多 夫距離，W原始含噪信號的概率密度曲線作為比較參考曲線，分別將其與各模態(tài)概率密度 曲線進(jìn)行相似性比較。比較過程遵循下式：
[000引 kHD = arg max化d(i)}+l
[0006] 最終分界模態(tài)的序號應(yīng)該滿足如下條件:選取兩比較曲線間豪斯多夫距離達(dá)到最 大值后的下一個(gè)模態(tài)。最后計(jì)算所得的kHD為首個(gè)相關(guān)模態(tài)的序號，利用序號kHD及其之后的 各模態(tài)來重構(gòu)信號。
[0007] 基于豪斯多夫距離的EMD去噪算法通過W信號的概率密度曲線為研究對象，考察 各模態(tài)和含噪信號概率密度曲線的相似性，W選取豪斯多夫距離首次達(dá)到極大值后的第一 個(gè)模態(tài)為分界模態(tài)為判據(jù)，在信號去噪方面相比于中值濾波和均值濾波等傳統(tǒng)濾波方法性 能提升較大。但該方法在實(shí)施過程中僅W幾何形狀和豪斯多夫距離本身特性作為技術(shù)基 礎(chǔ)，單從序列數(shù)據(jù)大小出發(fā)，未充分考慮微弱信號的特性，因此在對微弱信號實(shí)施過程中無 法保證算法性能的完整復(fù)現(xiàn)。同時(shí)，豪斯多夫距離在比較曲線相似性時(shí)對幾何形狀具有敏 感性，也即兩條曲線間的豪斯多夫距離值可能很小，但并不能保證兩條曲線相似，運(yùn)點(diǎn)在判 斷概率密度曲線時(shí)有負(fù)面影響。另外，該方法是一種失真測量法，在信號重構(gòu)之后雖然信噪 比有所提升，但是性能差。

【發(fā)明內(nèi)容】

[0008] 本發(fā)明要解決的技術(shù)問題是提供一種微弱信號去噪方法及裝置，能夠提高重構(gòu)信 號的信噪比，無失真地還原出原始的微弱信號。
[0009] 為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供一種微弱信號去噪方法，包括：
[0010] 獲取含噪信號和所述含噪信號分解后的本征模態(tài)；
[0011] 根據(jù)弗雷歇距離判斷準(zhǔn)則確定分界模態(tài)，將分解后的本征模態(tài)分為相關(guān)模態(tài)和非 相關(guān)模態(tài)；
[0012] 根據(jù)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息賭構(gòu)造非相關(guān)模 態(tài)的去噪闊值對非相關(guān)模態(tài)進(jìn)行闊值去噪；
[0013] 將去噪后的非相關(guān)模態(tài)和弗雷歇距離判定的相關(guān)模態(tài)進(jìn)行信號疊加，重構(gòu)原始的 微弱信號。
[0014] 進(jìn)一步地，所述根據(jù)弗雷歇距離判斷準(zhǔn)則確定分界模態(tài)，將分解后的本征模態(tài)分 為相關(guān)模態(tài)和非相關(guān)模態(tài)包括：
[0015] 根據(jù)獲取到的含噪信號和分解后的本征模態(tài)，得到含噪信號和所述含噪信號分解 后的各本征模態(tài)的概率密度曲線；
[0016] 將含噪信號的概率密度曲線作為參考，確定所述含噪信號的概率密度曲線與各本 征模態(tài)的概率密度曲線間的弗雷歇距離；
[0017] 將最大弗雷歇距離對應(yīng)的本征模態(tài)確定為分界模態(tài)，通過所述分界模態(tài)將所有的 本征模態(tài)分為相關(guān)模態(tài)和非相關(guān)模態(tài)。
[0018] 進(jìn)一步地，所述將含噪信號的概率密度曲線作為參考包括：
[0019] 若含噪信號的概率密度曲線的起始點(diǎn)與本征模態(tài)的概率密度曲線的起始點(diǎn)不在 同一點(diǎn)，則平移本征模態(tài)的概率密度曲線，使含噪信號的概率密度曲線的起始點(diǎn)與本征模 態(tài)的概率密度曲線的起始點(diǎn)在同一點(diǎn)。
[0020] 進(jìn)一步地，所述根據(jù)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息 賭構(gòu)造非相關(guān)模態(tài)的去噪闊值對非相關(guān)模態(tài)進(jìn)行闊值去噪包括：
[0021] 獲取每個(gè)相關(guān)模態(tài)的概率密度曲線的峰值及所述峰值所處的區(qū)間范圍；
[0022] 根據(jù)所述峰值及所述峰值所處的區(qū)間范圍確定對應(yīng)的相關(guān)模態(tài)的峰值區(qū)間范圍 概率值；
[0023] 根據(jù)所述峰值區(qū)間范圍概率值確定對應(yīng)的相關(guān)模態(tài)的峰值區(qū)間信息賭，并記錄每 個(gè)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息賭；
[0024] 根據(jù)記錄的每個(gè)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息賭構(gòu) 造非相關(guān)模態(tài)的去噪闊值對非相關(guān)模態(tài)進(jìn)行闊值去噪。
[0025] 進(jìn)一步地，所述根據(jù)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息 賭構(gòu)造非相關(guān)模態(tài)的去噪闊值對非相關(guān)模態(tài)進(jìn)行闊值去噪包括： k甸-
[0026] 對非相關(guān)模態(tài)執(zhí)行模態(tài)區(qū)間闊值去噪算法，得到去噪后的非相關(guān)模態(tài)Σ?ΜΓ-',·ω， ?=1 所述模態(tài)區(qū)間闊值去噪算法的公式為：
[0027]
[0028] 其中，kfd表示分界模態(tài)對應(yīng)的序號，未示去噪后的第i個(gè)IMF,娜氣玄!勺. 表示第i個(gè)IMF第j區(qū)間#內(nèi)的樣本，?喊'氣/f)隸示第j區(qū)間#內(nèi)的極值點(diǎn)，T康示第i個(gè) IMF的去噪闊值，其值取值取決于各個(gè)本征模態(tài)的能量和樣本數(shù)。
[0029] 進(jìn)一步地，所述區(qū)間:5f包括:超過去噪闊值的一個(gè)極大值點(diǎn)和兩個(gè)極小值點(diǎn)；
[0030] 超過去噪闊值的非相關(guān)模態(tài)信號及位于去噪闊值內(nèi)的處于相鄰兩個(gè)過零點(diǎn)之間 的非相關(guān)模態(tài)信號被原樣保留，其余非相關(guān)模態(tài)信號被置為0。
[0031] 本發(fā)明實(shí)施例還提供一種微弱信號去噪裝置，包括：
[0032] 獲取單元，用于獲取含噪信號和所述含噪信號分解后的本征模態(tài)；
[0033] 模態(tài)劃分單元，用于根據(jù)弗雷歇距離判斷準(zhǔn)則確定分界模態(tài)，將分解后的本征模 態(tài)分為相關(guān)模態(tài)和非相關(guān)模態(tài)；
[0034] 去噪單元，用于根據(jù)相關(guān)模態(tài)的峰值、所述峰值所處的區(qū)間范圍和峰值區(qū)間信息 賭構(gòu)造非相關(guān)模態(tài)的去噪闊值對非相關(guān)模態(tài)進(jìn)行闊值去噪；
[0035] 重構(gòu)單元，用于將去噪后的非相關(guān)模態(tài)和弗雷歇距離判定的相關(guān)模態(tài)進(jìn)行信號疊 加，重構(gòu)原始的微弱信號。
[0036] 進(jìn)一步地，所述模態(tài)劃分單元包括：
[0037] 曲線生成模塊，用于根據(jù)獲取到的含噪信號和分解后的